阅读之前看这里👉：博主是正在学习数据分析的一员，博客记录的是在学习过程中一些总结，也希望和大家一起进步，在记录之时，未免存在很多疏漏和不全，如有问题，还请私聊博主指正。 博客地址：天阑之蓝的博客，学习过程中不免有困难和迷茫，希望大家都能在这学习的过程中肯定自己，超越自己，最终创造自己。

随着互联网和电商的发展，人们习惯于网上购物。在国内，电商平台深受欢迎，每年的双11，双12活动，大量的用户在淘宝平台浏览商品，或收藏或加入购物车或直接购买。通过对用户的行为分析，探索用户购买的规律，了解商品的受欢迎程度，结合店铺的营销策略，实现更加精细和精准的运营，让业务获得更好的增长。

本数据来源：阿里天池数据集 数据集介绍： 本数据集包含了2017年11月25日至2017年12月3日之间，有行为的约一百万随机用户的所有行为（行为包含点击、购买、加购、喜欢），每一行表示一条用户行为，由用户ID、商品ID、商品类目ID、行为类型和时间戳组成，并以逗号分隔。原数据集总共1亿以上数据集，数据量太大，本次分析导入约383万条数据，并在导入的过程中5个字段联合设置主键，导入过程中已经剔除了重复值。

工具：Mysql数据库，Navicat Premium 12，Excel

首先明确我们的分析的目的，是要对电商用户行为进行一个分析。那么应该主要从用户维度、产品维度、用户行为的维度，如下图所示：

在用户维度我们想要知道什么问题呢？了解用户购买的行为习惯。 需要哪些指标呢： PV、UV、平均访问量、跳失率等指标，分析用户最活跃的日期及活跃时段

从成交量、人均购买次数、复购率等指标，探索用户对商品的购买偏好，了解商品的销售规律

从收藏转化率、购物车转化率、成交转化率，对用户行为从浏览到购买进行漏斗分析

参照RFM模型，对用户进行分类，找出有价值的用户

分析步骤如下： 提出问题------理解数据------数据处理和清洗------构建模型------数据可视化

导入至Navicat的过程中将字段名更改为英文，方便编写SQL语言

导入数据类型如下： 我们看到time的格式并不是标准的时间格式，所以需要对其进行处理。

时间格式处理结果如下：

我们可以看到数据范围正确

可以看到一共有3833385条数据，并且无缺失字段和缺失值。

我们可以看到这段时间内的访客数为37376，点击数为3431904，人均访问数为91.82次。可以看出： 在这9天中人均每天访问约9次，可见用户经常使用。